[发明专利]管线钢钢板硬度分布检测装置及方法

权利要求书

1.一种管线钢钢板硬度分布检测装置，其特征在于：包括钢板硬度检测仪和传感器模块，钢板硬度检测仪相连与传感器模块各通道相连，采集检测数据和编码器数据；

所述传感器模块由激励线圈、U型铁氧体、检测线圈、涡流激励线圈和装有编码器的导轮组成；

传感器模块分为两个区域，分别是涡流检测区域和巴克豪森噪声检测区域，巴克豪森噪声检测区域由多组检测传感器组成，每组传感器由一个U型铁氧体、一个激励线圈和三个呈“品”字型排布的检测线圈组成，多组传感器分成两排，也呈“品”字型排布；涡流检测区域由多组线圈组成，每组线圈有若干不同激励频率的线圈，前后排布。

2.根据权利要求1所述的管线钢钢板硬度分布检测装置，其特征在于：所述巴克豪森噪声检测区域由6组检测传感器组成，每组传感器由一个U型铁氧体、一个激励线圈和三个呈“品”字型排布的检测线圈组成，6组传感器分成两排，也呈“品”字型排布。

3.根据权利要求1所述的管线钢钢板硬度分布检测装置，其特征在于：所述的涡流检测区域由18组线圈组成，每组线圈有4个不同激励频率的线圈，前后排布。

4.根据权利要求1所述的管线钢钢板硬度分布检测装置，其特征在于：所述的钢板硬度检测仪和传感器模块安装在车身主体上；所述车身主体上海安装有传感器控制机构、电脑、电源和传感器控制机构，其中，控制传感器模块的升降，传感器控制机构。

5.一种管线钢钢板硬度分布检测方法，其特征在于包括以下步骤：

步骤1：使传感器模块紧贴钢板表面，控制传感器沿某一预设轨迹移动；

步骤2：检测开始后，传感器模块中激流线圈通入电流，涡流激励线圈中的高频电流包含多个单频成分，检测线圈分别测量巴克豪森噪声信号和多频涡流相应，安装有编码器的导轮在行进的过程中每隔一段距离向钢板硬度检测仪器发送一次信号，钢板硬度检测仪器读取检测线圈的信号；

步骤4：检测线圈输出的信号传输至钢板硬度检测仪，钢板硬度检测仪提取巴克豪森噪声信号和多频涡流特征，并输入至预先建立的预测硬度的神经网络模型中，给出管线钢检测的硬度分布。

6.根据权利要求5所述的管线钢钢板硬度分布检测方法，其特征在于：步骤1中所述传感器模块移动过程中，将传感器模块放在小车上，先对待测管线钢钢板划线，绘制小车运行的轨迹，再将小车推行至管线钢钢板上轨迹起始位置，将传感器控制机构打开，使传感器模块紧贴钢板表面，打开仪器电源，打开电脑软件，点击开始检测，推行小车沿轨迹向前行进。

7.根据权利要求5所述的管线钢钢板硬度分布检测方法，其特征在于：步骤3所述检测过程中，传感器模块中激流线圈始终通入300Hz电流，涡流激励线圈中的高频电流包含多个单频成分10~100kHz，安装有编码器的导轮在行进的过程中每隔20mm向钢板硬度检测仪器发送一次信号。

8.根据权利要求5所述的管线钢钢板硬度分布检测方法，其特征在于：步骤4所述预先建立的预测硬度的神经网络模型为冷轧薄带钢的人工神经元网络算法模型。

9.根据权利要求5所述的管线钢钢板硬度分布检测方法，其特征在于：所述冷轧薄带钢的人工神经元网络算法模型包括输入层、隐含层和输出层；其中，输入层总共为14个参数，探头和带钢下表面的间距各1项，带钢厚度1项；隐含层神经元为8-12格，输出层为1个参数，即烘烤硬化值；输入层与隐含层之间的激活函数采用Relu函数，隐含层和输出层的传递函数采用purelin函数；BP神经网络数学模型训练的参数包括激活函数、学习算法、迭代次数、学习率、训练目标误差、初始权值和阈值。